MétaCan
Menu
Retour à la cohorte
Enregistrement W2215431329 · doi:10.3390/f7010005

Managed Mixtures of Aspen and White Spruce 21 to 25 Years after Establishment

2015· article· en· W2215431329 sur OpenAlexafffundabout
Richard Kabzems, Philip G. Comeau, Daniel MacIsaac

Notice bibliographique

RevueForests · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceUniversity of AlbertaMinistry of Forests
Organismes subventionnairesMinistry of Forests, Lands and Natural Resource Operations
Mots-clésTaigaBorealBlack spruceForestrySilvicultureEnvironmental scienceNatural regenerationDisturbance (geology)Regeneration (biology)AgroforestryAgronomyGeographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Intimate mixtures of trembling aspen (Populus tremuloides Michx.) and white spruce (Picea glauca (Moench) Voss) are a key feature of western Canadian boreal forests. These mixtures have the potential to produce high yields of merchantable fibre and provide numerous ecological services. Achievement of this potential has been difficult, and often expensive, to realize as a regeneration goal in managed forests. We report 21 to 25 year results of managed mixtures on two study sites where the white spruce was planted, and the density of aspen natural regeneration manipulated within five years of the stand initiation disturbance. On both sites, white spruce mortality did not increase with increasing aspen density. While height and diameter growth of white spruce declined with increasing aspen density, the effect was not entirely consistent across the two sites. Abrasion from aspen branches was the most common source of damage to spruce crowns. Mixed stands had greater merchantable volume production than pure spruce stands based on model projections. Application of aspen harvest at year 60, while protecting the spruce component for a second harvest entry at year 90, was projected to optimize combined yield for the mixedwood stands.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil0,143

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,215
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetBioenergy crop production and managementTravaux en français237 207